[发明专利]一种基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法在审
| 申请号： | 201710885469.1 | 申请日： | 2017-09-26 |
| 公开（公告）号： | CN107607554A | 公开（公告）日： | 2018-01-19 |
| 发明（设计）人： | 耿磊;肖志涛;王曼迪;冷彦奕;吴骏;张芳 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G01N21/95 | 分类号： | G01N21/95;B07C5/342 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于全卷积神经网络(Fully convolutional networks，FCNs)的镀锌冲压件的瑕疵检测与分类方法，该方法包括采集包含各种瑕疵种类的样本；根据图像灰度级标准差初步二分类，区分出合格工件与瑕疵工件；对初步筛选出的样本预处理提高对比度，提取感兴趣区域后作为改进的全卷积神经网络的输入进行训练；计算输出工件图片的像素值，设置阈值判断工件瑕疵种类并分类。本发明结合图像处理与全卷积神经网络进行瑕疵检测与分类，不仅避免了复杂的预处理与特征提取，还能较好地检测镀锌冲压件的瑕疵并进行分类。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 镀锌 冲压 瑕疵 检测 分类 方法 | ||
【主权项】：
基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法，所述方法包括下列步骤：(1)采集各类瑕疵样本；(2)计算图像灰度级标准差，初步二分类，区分出合格工件与瑕疵工件；(3)对初步筛选出的样本预处理提高对比度，并提取出感兴趣区域；(4)将处理后的图像输入改进的全卷积神经网络，该网络通过融合低层特征和高层特征得到具有更多细节的分割结果；(5)采用小批量随机梯度下降法训练网络，并引入动量项加速收敛、减少振荡；(6)对经全卷积神经网络输出的图片设置阈值判断工件瑕疵的种类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津工业大学，未经天津工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710885469.1/，转载请声明来源钻瓜专利网。
- 上一篇：桥梁安全的检测方法及系统
- 下一篇：多级起竖液压油缸缸筒的内表面检测方法
